연구진은 그랜드마스터의 수준으로 체스를 두면서 자신의 수와 계획을 설명하는 40억 파라미터 체스-언어 모델인 퀸을 소개한다. 이 프레임워크는 인코더-디코더 아키텍처와 반복적 증류 알고리즘을 결합하여 도메인 특화 추론을 가능하게 한다.

  • 질문 답변 커리큘럼을 통해 훈련된 크로스 어텐션을 사용하여 조용한 전문가 체스 인코더와 지시어 조정 LM을 통합한다.
  • 후보 수 이후의 포지션을 분석하고 설명을 통합하기 위해 벨만 업데이트의 자연어 아날로그를 사용한다.
  • 7번의 반복을 통해 900점 이상의 Elo 점수(1782에서 2697로)를 얻으며, 플레이 강도와 퍼즐 정확도 측면에서 최전선 모델들을 능가한다.
  • 파라미터 수가 세 자리 수만큼 적음에도 불구하고 설명은 유창하며 GPT-5.6-Sol (high)의 일관성에 근접한다.

저자들은 이 아키텍처가 로봇 공학이나 컴퓨터 사용과 같은 조용한 전문가 인코더를 가진 도메인에 언어 모델을 적용하는 방법을 제시한다고 제안한다.